基于代价敏感的序贯三支决策最优粒度选择方法

TP301.6; 最优粒度选择是序贯三支决策领域研究的热点之一,旨在通过合理的粒度选择来对复杂问题进行求解.在现阶段最优粒度选择中,代价敏感是影响决策的重要因素之一.针对这个问题,该文首先基于信息增益和卡方检验提出一种新的属性重要度计算方法;其次,为了更好地符合实际应用场景,在构建多粒度空间时将代价参数与粒度大小相结合,设置了相应的惩罚规则,并分析了决策阈值的变化规律;最后,为了消除测试代价和决策代价量纲不一致所带来的影响,借助变异系数设计了一种客观的代价计算方法.实验结果表明,该模型适用于现有代价认知场景,能在给定代价情况下选出代价最小的最优粒层.